抢先李飞飞！世界模型能多人联机玩FPS游戏了

Jay 发自 凹非寺

量子位 | 公众号 QbitAI

我被AI杀了？

有视频为证，我被一个不知道是人还是AI的东西，一枪崩了。

还是在一个世界模型创造的世界里。

嗯，就是这个画质糊成马赛克的网页版FPS。

背后没有游戏引擎，没有物理规则，没有一行渲染代码。

你看到的一切，都是靠一个叫Agora-1的世界模型，实时生成的。

人类和AI，同时在其中搏击。

AI版黄金眼007

先一起看看这条官方产品发布视频。

我看了好多遍，很奇怪的感觉。

和之前看到的demo都不一样。审美很独特的一家公司，拍个发布视频跟拍《黑镜》一样。

关键伪人感真的很重，我时刻怀疑视频里的人是不是也是AI生成的。

实在集中不了注意力，交给codex转成逐字稿看了一下，大概意思就是——

他们做了一个世界模型驱动的多人游戏，最多四个玩家，人类和AI混在一起，在同一个AI生成的世界里搏斗。

说实话，看到这里我有点手痒痒了。

别废话了，快让我瞧瞧这游戏咋回事。

结果定睛一看帖子，还真有游戏链接。

团队还在评论区补了一句：

去碾压那些菜鸟吧！

行。

那还说啥了。

终于实现人生梦想。

上班期间，就这样在工位上堂堂正正，赤赤果果地打游戏（bushi）。

点进去的第一秒，我就知道，自己当时看视频的直觉没错。

这个东西不太正常。

没骂人，就是网页打开第一秒，那个bgm就不对劲。

我到现在脑子里还在循环那段旋律……

UI也是，就是特别怪，深色调，低饱和度……随时有种在看《黑镜》的错觉。

细节也是配套的。

鼠标碰到按钮，会有模拟音效。

老式收音机的那种声音质感，沙沙的，像恐怖游戏。

不废话了，正式开始吧，

游戏开始前，会先让你选名字。

我就选的我的笔名，接着进入等待室。

三缺一。急急急。

ps：后来发现，其实也不是非要凑齐四个人，等久了两个人也能直接开。

这点挺奇怪的，不是说有AI玩家吗？凑不齐的时候让AI顶上不就完了？

搞不懂。

对了，关于这个游戏的规则，其实很简单，我补充下背景大家就理解了。

是致敬的《GoldenEye 007》。

任天堂N64上1997年的经典，007电影《黄金眼》改编的游戏，被很多人认为是主机FPS多人对战的起点之一。

规则极其简单：几个人分屏对打，手枪、冲锋枪、火箭筒、黄金枪，互相干掉对方就完了。

纯粹的死亡竞赛，Deathmatch。没有剧情，没有任务，就是追着砍。

Agora这次的游戏设计基本就是照着这个来的。

好。游戏开始了。

进去之后是一个后室风格的场景，长这样。

更诡异的是玩家……视野里会偶尔闪过其他角色，没脚步声，跟溜冰一样就溜过去了。

说真的，这人物动作太离谱了，大家看着都挺伪人的。我是真分不清哪个是AI哪个是真人。

而且，我必须吐槽下，这个操控体验真是能气死个人！！

不能用鼠标调视野，偏偏要用左右键。

延迟高，还有后摇，动起来跟在冰面上漂移一样。

不知道怎么想的。

关键是瞄不准啊！

根本刹不住车，光标根本没法停在敌人身上。

然后，我就死了。

一枪没打着……

对面绝对是AI啊，凭什么你就瞄得准！！

气死了！！不许笑！！不是我的问题！！

这个死亡画面也很憋屈了，血一样的深红。

最后会给你个战绩。

你别说，还可以，菜鸡互啄了属于是。

（也可能只是因为对面是人机……）

除了对战本身，这个游戏还藏了一些很有趣的东西。

比如点information按钮能看到Odyssey的公司介绍。

还有玩家说，游戏里的砖块你可以卡bug钻进去。

之后，世界模型会自动把空缺的部分补上。

不会崩溃，不会黑屏，它会即兴生成了一个你本不该看到的空间。

这太有意思了。

传统游戏里，地图边界之外是虚无，是程序员没写的地方。

但世界模型没有边界的概念。

但重点其实不在游戏本身。

回想刚刚的操作，传统游戏思路里听起来很简单。

但不要忘了，这是一个AI生成的世界。

没有硬编码的物理规则，没有预制的地图贴图。你看到的每一帧画面，包括那些你不该看到的越界画面，都是模型实时算出来的。

《黄金眼》作为试验场也非常秀肌肉。

混乱的分屏式玩法之所以难，就是因为很容易暴露出不同步和不连贯的问题。

想要多人FPS游戏，必须保证大家看到的世界是一样的，这个持续模拟的环境得随时保证一致性。

更重要的是，游戏场景是实时互动很容易失控。

要在复杂性和可玩性之间取得平衡，非常非常难。

所以，究竟是谁做出来的？

Odyssey，全身心专注通用世界模型

做出这款游戏的公司，成立于2023年，叫Odyssey。

对，就是古希腊史诗里那个英雄奥德赛。

这名字跟他们公司的整体调性还挺符合的，视觉设计啥的，大家看就知道了。

一家专注于通用世界模型的AI实验室。基本所有产品都是世界模型。

创始人的履历也挺有意思，叫Oliver Cameron和Jeff Hawke，俩人都是自动驾驶起家的。

2024年7月，他们首次在资本市场亮相，拿到900万美元种子轮，领投方是GV。

几个月后，Odyssey又完成1800万美元A轮，总融资来到2700万美元。

不过，他们最初的业务其实和游戏没关系，当时还是流行做AI视频，但现在叙事开始转向主动交互了。

Agora-1是他们最新的成果。

最大的特点就是——

多人。

之前的世界模型，不管做得多精美，里面都只有一个人。

你一个人在AI生成的世界里晃荡，看风景，探索世界，但画面再怎么精致，始终是单机体验。

而Agora-1，最多可引入四个玩家，同时在同一个生成世界里实时交互。

（不过没那么友好就是了）

所以，多人到底难在哪？

这块挺有意思的，可以展开聊聊。

之前不是没人试过。

有两家可以参照的，Multiverse和Solaris。

Multiverse的思路比较直觉，把所有玩家的状态拼成一个分屏画面，当成一张图来处理。

能跑，但很粗暴，不本质。

Solaris则把每个参与者沿着单个自回归扩散Transformer的序列维度进行拼接，从而生成一个更稳健的共享仿真。

但问题也明显，人一多上下文就炸，扩展性很差。

而且这两家有一个共同的痛点：

当玩家彼此离开视野时，很难稳定维持一致性。

简单点说就是脑容量不够用了。

为了减轻负载，Agora-1探索的是另一条路线——

把仿真和渲染解耦。

Agora-1学习的是两个不同的函数。

1、仿真。

它学习世界状态会如何随着时间推移而变化，以及这种变化如何响应玩家交互。

为此，团队直接在一个或多个游戏的内部状态上训练模型。

在Agora-1中，这个游戏就是GoldenEye。这个模型会学习底层的游戏动态，以及玩家动作如何触发状态转移。

2、渲染。

这里，Agora-1学习如何把这个共享状态渲染成视觉画面。

这一步是通过一个基于DiT的世界模型完成的。这个模型直接以共享游戏状态为条件，而不依赖提示词、图像或其他传统条件信号。

你可以把这种拆分粗略理解成现代游戏引擎的结构。

区别在于，这两个组件都是靠模型自己学习出来的，它们不依赖手写的游戏逻辑或渲染规则。

结果就是：底层游戏状态可以被直接操控。

也就是说，Agora-1可以生成全新的关卡，同时保留与源游戏一致的游戏动态。

这就是保证多人游戏一致性的秘诀。

对了，在Agora-1发布的前一天，他们其实还发布了另一个东西。

而且坦率地讲，这个给我的触动更大。

叫Starchild-1，他们自称是首个实时多模态世界模型。

视觉加听觉，同时实时生成，并且可交互。

可以让它弹钢琴，琴键落下的同时，声音跟着出来。

也可以用AI重构的方式，带你再次重温一段温暖的记忆，比如——

婚礼。

这点太有想象空间了。

AIGC内容，或许可以被用作那些怎么努力也回想不起来的，记忆缺口的填充物。

真实，重要吗？

突然有点恍惚。

我知道这些产品都很早期。画质糊，操控差，延迟高，体验绝对说不上好。远没到GPT-Image-2那个让普通人也能直观感受到震撼的阶段。

但我在玩Agora-1的时候，有一个瞬间是真的恍惚了一下。

我瞄准一个角色开枪，它倒了。

我不知道它是人还是AI。

我不知道我看到的这个世界是怎么被渲染的。

我甚至不知道，我的对手看到的世界和我看到的，是不是同一个。

然后我突然回想起来——

我看到的一切，都是一个模型算出来的。

这个感觉很奇怪。

最近GPT更新，大家都在担心AI生成虚假聊天记录，有图为证的时代结束了。

但我现在真觉得，图片还好，毕竟只是静态的。

世界模型不一样。

它在模拟一个持续运转的、多人共享的、实时演化的环境。

它模拟的，是时间和主观体验本身。

说实话，今年看着世界模型持续进化，从糊到清晰，从单人到多人，从只有画面到声音、触觉、全感官……

我有时候会突然起一身鸡皮疙瘩。

我该怎么知道自己现在待的这个世界，不是某个更高级的世界模型生成的？

1997年，年轻人们在N64的小屏幕上分屏四处追逐，觉得这就是最酷的事情。

2026年，AI学会了自己生成世界，然后其创造者「哄骗」着把我丢了进去。

按照如今AI的发展速度，2035年，又会是什么样？

所谓的真实……

真的重要吗？

游戏链接：
https://agora.odyssey.ml/

参考链接：
[1]https://odyssey.ml/introducing-agora-1
[2]https://odyssey.ml/introducing-starchild-1